X先生走进了保健医生的诊室。“早上好，最近很忙吗？你的运动量没有达标哦。”医生微笑着打了招呼。看来，记录在智能设备上的健康数据已经抢先一步，传输到了医生的电脑上。“你的心脏状况看起来很稳定，不过抗凝治疗还需要继续坚持进行。”在简单的查体之后，医生翻看着电脑上的电子病历与检查单说到。
作为一个老病号，X先生的病历报告如果打印出来已经足够装订成系列丛书了，不过现在他即使两手空空也一样可以来看病——检测结果和医生记录会自动上传，存储数据的工作只要交给云端的网络就好了。“再给你开上一个疗程的药吧。”医生一边说着，一边在计算机里熟练地调出了X先生药物敏感性和代谢酶活性的基因检测数据，将它带入剂量计算公式。
而在诊所的另一端，药房的药物3D打印机已经接收到了指令，开始为X先生制作剂量精准的药片……
这听起来似乎像是科幻小说中的情节，不过事实上，这些技术都是真实存在的。在不久的将来，它们或许就会成为每个人寻常生活的一部分。在经历了一次次变革之后，现在的医疗界已经向着“精准医疗”的方向进军。在未来，每一个不同的人都会得到量身定制的保健和治疗方案，并从交织成网络的海量医疗数据中获益。
利用3D打印定制药物剂量的技术已经出现，它也体现了“精准医疗”的发展趋势。为什么需要精准医疗？现在，我们所熟知的医疗大多数时候依然是千人一面的，我们用平均的数据来制定决策方案，为每一个同类的患者提供相同方式的标准化治理。这听起来似乎没什么不对，但人与人之间其实也有很多不同。由于基因和生活环境的差异，不同的人患某些疾病的风险是不一样的，他们对药物的反应也各不相同。
如果能够掌握这些差异信息来做决策，那么医疗方案就将变得更接近完美。基因信息的差异决定个体差异。有些时候，人与人之间的基因差异会对医疗决策造成重要的影响。比如说，有一种抗凝血药名叫华法林，很多具有较高血栓风险的患者需要服用它来避免血栓形成。华法林是种经典老药，但它也有自己的问题：它的药效会受到很多因素影响，而药效过高和过低的时候都会给患者带来安全隐患。在这其中，基因就是一个重要的影响因素。
无论是编码药物作用靶点的基因，还是生产药物代谢酶的基因，在不同人的体内都有好几种活性各不相同的版本，要想决定合适的治疗剂量，就需要首先对这些基因有充分的了解。
先在数据的海洋里游泳吧。不过，精准医疗的设想虽然美好，但实际做起来却也有挑战。要想做到精准地判断，不仅要掌握患者个人的信息，还必须要有一个样本量足够大的数据库作为支持。就拿基因分析来说，只有收集了足够多人的基因数据，分析清楚了基因差异和各种健康问题的关系，才能知道下一步该怎么做。美国总统奥巴马提出“精准医疗计划”。
为了建立起基因数据库，2015年初美国就开启了一个“精准医疗计划”，计划要招募百万志愿者，对他们的基因组一一进行测量。而这背后的数据量，可是个惊人的天文数字：每一个人的基因组就有30亿的碱基对，按目前的技术来看，测一个人的原始数据文件就得有90~100G大，如果在加上分析的过程文件，数据量可能都要直逼1个T（1000G）了。按这样来估计，测序完成时原始数据的字节数会达到10的18次方数量级。
如果用1TB的硬盘去存储它们，就要用掉一百万个硬盘。
一个人的基因组里就有30亿对碱基等待科学家分析。这个数字已经足够让人头晕，但这还不是全部。要想分析出基因背后的医学信息，就得把基因主人的临床数据、生活习惯、生活环境等等信息一并记录下来，还要代入各种变量，进行大规模的运算。这工作，可一点也不比预测未来一个月的天气，或是分析粒子对撞机的数据简单，它需要超强的计算能力才能应付。
除了计算能力之外，强大的网络对新时代的医学研究也必不可少。就拿百万人基因组测序项目来说，庞大的数据量决定了它不可能由一个研究中心独立完成，而必然需要在多个中心之间进行合作和共享，而海量数据的传输在技术上也是一大挑战。
举个例子，目前100M的网络带宽，如果下载一个人的基因组数据，也就是90G的数据大概需要1天的时间，那么1万人就是1万天，100万人，就是100万天，这里我们还只计算了下载的速度，还有上传的数据极限需要考虑。
信息时代的健康管理也需要计算机和网络的支持。新时代的医疗离不开大量的数据传输和运算，现在，无论是医院、科研机构还是信息技术从业者都意识到了“计算”在医学中的重要作用。著名的处理器供应商英特尔公司就对生物医学领域很感兴趣，他们专门成立了医疗和生命科学事业部，并且与很多医疗和生命科学研究机构合作，专门为它们提供强大的数据处理支持。那么，有了足够强大的计算机，它们都能帮我们做哪些事情呢？
在临床方面，我们可以实现医疗数据的共享。现在，患者在看病时依然要携带很多纸质病例和检查结果，这样不仅不方便，而且也会影响信息的完整性。就拿CT检查的结果来说，实体片子上所记录的只是一部分的信息，只有调取数字文档才能看全所有图像和三维重建的立体信息。虽然电子病历已经开始推行，但这些数据往往在医院之间还不能进行共享，而且它们缺乏统一的结构，管理起来也不方便。
而有了足够强大的计算系统，我们就不用担心无法管理这些庞杂的数据了。在科研方面，基因数据的处理是很重要的一方面。数据处理速度的加快就意味着测序研究的速度能够进一步得以提升，我们也可以从基因的“天书”中读出更多信息。除此之外，药物研发等一系列研究过程都可以从运算能力的提升中受益。比如说，在研发药物的前期筛选阶段，计算机的辅助设计和模拟试验就可以大大减少研究耗费的时间和成本。
而在后面的临床试验中，如果有能力处理更多数据，我们也可以将受试者的更多信息（比如基因信息）都收集起来，以此来研究影响药物有效性的各种因素。
目前，在深圳、香港、北京和武汉等地已经建立起了多个大型生物信息超级计算中心，专门为生物信息数据的存储、处理和分析提供保障。这些计算中心的总峰值计算能力达到200T flops，总内存容量达到35TB，总存储能力达到了16PB。而这些计算处理背后的坚强后盾，就是以英特尔至强融核协处理器（Xeon Phi）为代表的高性能计算技术。
医院之外的多重助力。在实现精准医疗的过程中，医疗服务的形式也发生着转变。医疗不再只是有关医院、医生的事情。除了制药公司、基因检测公司以外，智能设备、IT技术公司也参与了进来，为医疗提供能全面的技术支持。另一方面，一些咨询、会诊和基础性的检测服务也将走出了医院大门，在远程医疗服务的终端上得以实现。
前段时间，在英特尔主办的“数据分析与精准医疗”活动中，一线的医疗服务管理者、从事生命科学前沿工作的科学家，以及提供创新医药研发和服务的专家们就共同探讨了精准医疗的发展前景及其中所需的多方技术支持。
英特尔医疗与生命科学部亚太区总经理俞毅在本次活动上表示，预计到2020年，计算技术的发展有望帮助医生在24小时之内完成精准医疗的主要过程，包括基因序列检测、结果数据分析、基于分析的疾病诊断，以及定制个性化的治疗方案。精准医疗的实现离不开广泛的产业协作，未来，英特尔希望携手更多关注精准医疗领域发展的伙伴，共同借力信息化技术重构医疗服务。